往下讲。
从单层卷积到多层堆叠，从边缘检测到纹理识别，再到更高层级的语义理解。每讲一层，他就在黑板上多画一张图，一层压一层，那只猫从一坨灰度矩阵逐渐变成了有轮廓、有质感、最终被标注上“猫”标签的完整识别流程。
程建国的笔记写得飞快，字迹潦草但条理清晰，每个关键公式旁边都用红笔画了框。
这孩子虽然才高中，但这两天数学底子被灵梦喂得扎实许多，基本能跟上节奏。
云澜的三个工程师就更不用说了，何永辉写到中途突然停笔，盯着黑板上的多层特征提取框架看了足足有半分钟，脸上的表情从专注变成了震动。
尽管他早知道CNN的原理，但第一次见到有人讲的这么通俗透彻。
“不愧是林老师。”
林宇脑海中那股熟悉的清凉感在这个节点涌了上来。
【当前课堂：31名学生深度理解卷积神经网络的视觉处理原理。宿主获得返还：计算机视觉·精通级！额外返还：图像生成对抗网络（GAN）基础架构理解！】
新的知识体系铺展开来，大量关于GAN的理论框架和应用场景涌入大脑，自然地嵌入已有的知识网络。
林宇的视野里，齐悦速写本上的那些线条突然变得不一样了。那些排线、明暗、构图，在他脑子里自动触发了一个念头。
GAN模型。图像生成。艺术创作。
如果把这套对抗生成网络的逻辑和美术创作结合起来，会是什么样？
他没有在课堂上展开这个想法，把它暂时压了下去。
“今天的内容到这里。回去把卷积核的三种基础类型自己推一遍，下节课要用。”
教室里三三两两地热闹起来，讨论声此起彼伏。赵磊扭过头问周昊卷积核的参数设置问题，周昊翻着笔记给他解释，两个人吵了两句就笑了。
苏晚收拾东西的时候，余光扫到最后一排靠窗的位置。
齐悦还坐在那里，低着头在速写本上快速地画着什么。
苏晚犹豫了一下，拎着书包走了过去，站到齐悦侧面往本子上瞥了一眼。
整整两页纸。左半边是公式推导，右半边是视觉化的流程图，中间穿插着手绘的卷积过程分镜。
旁边用极细的字标注着：“和色彩构成像同一个逻辑”、“边缘提取＝素描起形
本章未完，请点击下一页继续阅读！